《CNS Neuroscience & Therapeutics》：Early Postoperative Inflammatory Indices Predict Long-Term Neuro-ICU Stay in Patients Requiring Prolonged Care After Supratentorial Brain Tumor Resection: Development and Validation of an Integrated Model
编辑推荐：
背景：幕上脑肿瘤切除术后的神经外科重症监护病房（Neuro-ICU）长期住院时间（LTS）不成比例地消耗医疗资源，但目前缺乏早期风险分层工具。研究人员评估了五种早期术后炎症指标（中性粒细胞-淋巴细胞比值[NLR]、血小板-淋巴细胞比值[PLR]、淋巴细胞-单核
背景：幕上脑肿瘤切除术后的神经外科重症监护病房（Neuro-ICU）长期住院时间（LTS）不成比例地消耗医疗资源，但目前缺乏早期风险分层工具。研究人员评估了五种早期术后炎症指标（中性粒细胞-淋巴细胞比值[NLR]、血小板-淋巴细胞比值[PLR]、淋巴细胞-单核细胞比值[LMR]、系统性免疫炎症指数[SII]和系统炎症反应指数[SIRI]），以开发一种整合预测模型。
方法：这项回顾性研究纳入了择期幕上肿瘤切除术后需要在Neuro-ICU监护>48小时的患者。患者按时间顺序分为推导队列（n=432）和验证队列（n=146）。炎症指标在术后24小时内测量。在采用最小绝对收缩和选择算子（LASSO）进行特征选择后，比较了五种机器学习分类器。研究人员评估了模型的区分度、校准度和临床效用，并进行了亚组分析和一系列敏感性分析。研究人员开发了列线图和基于网页的风险计算器。
结果：推导队列和验证队列中LTS的发生率分别为47.5%和49.3%。LTS患者表现出更高的早期术后SIRI和PLR以及更低的LMR，而术前指标无差异。这三项均为LTS的独立预测因子。该整合模型将这些指标与术前卡氏功能状态（KPS）、术后类固醇使用以及采血时保留气管插管相结合。该模型在推导队列中的AUC为0.845，在验证队列中为0.816，而临床基线模型为0.715（p<0.001；IDI 0.212；cNRI 0.981）。这些指标保持了独立的预测价值，且模型性能在亚组和敏感性分析中保持稳定。
结论：早期术后SIRI、PLR和LMR可独立预测幕上脑肿瘤切除术后需要长期监护（>48小时）患者的LTS。综合这些指标和早期临床变量的整合模型可在术后24小时内提供可靠的风险分层。
**论文解读：早期术后炎症指标预测幕上脑肿瘤切除术后神经外科重症监护病房长期住院时间的整合模型**
**一、研究背景与问题提出**
幕上脑肿瘤是成人最常见的颅内肿瘤类型，其择期切除术后常需在神经外科重症监护病房（Neurosurgical Intensive Care Unit, Neuro-ICU）进行围手术期管理。尽管多数患者术后仅需1-2天的常规观察，但部分患者监护时间会超过48小时，这类非计划内的延长监护在临床实践中日益受到关注。其中，有2%至11%的高危患者可能进展为真正的长期住院（Long-Term Stay, LTS），即Neuro-ICU住院时间≥7天。这一亚群虽然占比不高，却不成比例地消耗着本就稀缺的神经重症医疗资源，显著增加医疗费用。然而，现有的预测策略主要依赖静态的术前或术中变量，如年龄、卡氏功能状态（KPS）和肿瘤类型，无法反映患者术后动态的恢复轨迹，也未能将中度恢复需求与真正的长期住院区分开来。此外，既往研究大多聚焦于预测短暂的观察时间延长，而对术后≥7天长期住院的预测研究相对匮乏。
手术创伤会诱发强烈的系统性炎症反应，循环中的炎症介质可能通过破坏血脑屏障（Blood-Brain Barrier, BBB）的完整性，加剧血管源性脑水肿并延迟神经功能恢复。因此，早期术后血源性炎症生物标志物或许能够捕捉这种系统性的失调状态，为早期风险分层提供动态且具有生物学合理性的依据。在此背景下，研究人员设计了本研究，旨在评估和比较五种早期术后（<24小时）炎症指标——中性粒细胞-淋巴细胞比值（NLR）、血小板-淋巴细胞比值（PLR）、淋巴细胞-单核细胞比值（LMR）、系统性免疫炎症指数（SII）和系统炎症反应指数（SIRI）——对幕上脑肿瘤择期切除术后需延长监护（>48小时）患者发生LTS（≥7天）的预测能力，并开发及进行时间验证一个整合了最优炎症标志物与临床变量的早期预测模型。
**二、研究方法与技术路径**
本研究为单中心回顾性队列研究，数据来源于复旦大学附属华山医院94张床位的Neuro-ICU，时间跨度为2023年1月1日至2024年12月31日。研究经复旦大学附属华山医院伦理委员会批准，并遵循《赫尔辛基宣言》。入组标准为术后Neuro-ICU监护时间>48小时且经影像学和组织病理学确诊的幕上肿瘤患者。排除了年龄<18岁、术前存在感染、术前使用皮质类固醇或免疫抑制剂、放疗或化疗史、血液系统疾病史以及关键数据缺失者。最终纳入578例患者，按时间顺序分为推导队列（n=432，2023年1月至2024年6月）和验证队列（n=146，2024年7月至2024年12月）。
主要结局为LTS，定义为Neuro-ICU住院时间≥7天，住院时间<7天则归类为短期住院（Short-Term Stay, STS）。研究人员计算了术前和术后早期（<24小时）的炎症指标，并使用最小绝对收缩和选择算子（Least Absolute Shrinkage and Selection Operator, LASSO）回归从19个候选变量中筛选特征。随后比较了五种机器学习分类器，包括逻辑回归（Logistic Regression, LR）、随机森林（Random Forest, RF）、梯度提升机（Gradient Boosting Machine, GBM）、支持向量机（Support Vector Machine, SVM）和K近邻（K-Nearest Neighbors, KNN）。模型性能通过区分度（AUC）、校准度和临床效用进行评估。最终基于LR构建了三个多变量模型：临床基础模型（Model 1）、整合早期预测模型（Model 2）和纳入晚期并发症的后期整合模型（Model 3），并进行了内部验证（1000次bootstrap重抽样）、时间外部验证、亚组分析和一系列敏感性分析，包括倾向性评分匹配（Propensity Score Matching, PSM）和动态阈值分析。最后将模型转化为列线图和基于R-Shiny框架的网页计算器。
**三、研究结果**
1. **基线特征与炎症指标比较**：在推导队列中，47.5%的患者（205/432）发生LTS，验证队列中该比例为49.3%（72/146）。LTS患者相较于STS患者，其术前KPS和神经外科重症监护病房入院格拉斯哥昏迷评分（GCS）更低，手术时间更长，采血时保留气管插管（ETI）的比例更高，肿瘤类型和部位分布也存在差异。尽管术前炎症指标在两组间无显著差异，但LTS患者在术后早期表现出显著更高的SIRI、NLR、PLR和SII水平，以及更低的LMR水平。Spearman相关分析显示，SIRI（ρ=0.401）和LMR（ρ=-0.399）与Neuro-ICU住院时间（LOS）的相关性最强。
2. **特征选择与模型构建**：LASSO回归筛选出6个预测因子：术前KPS、术后类固醇使用、采血时保留ETI、SIRI、PLR和LMR。在五种机器学习分类器中，RF在推导队列中AUC最高（0.952），但在验证队列中下降明显（0.814），表现出过拟合；而LR模型则展现出跨队列的稳定性（推导AUC 0.845，验证AUC 0.816）和良好的校准度，因此被选为基础算法。
3. **整合模型的性能验证**：多变量逻辑回归分析确定，术前KPS（OR 0.98，95% CI 0.97-1.00；p=0.030）、术后类固醇使用（OR 0.33，95% CI 0.18-0.58；p<0.001）和采血时保留ETI（OR 5.72，95% CI 3.37-10.00；p<0.001）是独立的临床预测因子。将炎症指标SIRI（OR 1.11，95% CI 1.06-1.16；p<0.001）、PLR（OR 1.19/每100单位增加，95% CI 1.03-1.37；p=0.020）和LMR（OR 0.68，95% CI 0.45-0.96；p=0.050）整合后，构建的Model 2在推导队列中的AUC为0.845，显著优于仅包含临床变量的Model 1（AUC 0.715，p<0.001）和单独的SIRI（AUC 0.779，p<0.001）。重分类分析表明Model 2有显著改善（IDI 0.212，cNRI 0.981）。内部验证中，1000次bootstrap重抽样的乐观校正AUC为0.837。在时间验证队列中，Model 2的AUC为0.816，与推导队列性能一致，且校准良好（Brier评分0.174）。决策曲线分析（DCA）证实了模型在1.0%-85.0%阈值概率范围内的临床净获益。
4. **亚组与敏感性分析**：SIRI与LTS风险的关联在所有预设临床亚组中保持一致（交互作用p>0.05），仅在保留ETI亚组中存在显著交互作用（p=0.022），但SIRI在两个亚组中仍均有预测价值。敏感性分析显示，经倾向性评分匹配（PSM）后，高SIRI（≥9.26）仍与LTS风险显著相关（OR 9.60，95% CI 3.82-24.11）。模型AUC在LTS定义4-10天的动态阈值范围内保持稳定。术前炎症指标对LTS的区分度较差（AUC 0.538-0.565），而早期术后SIRI和PLR在校正其术前值后仍与LTS独立相关。即使在校正了晚期术后并发症的Model 3中，三个炎症指标仍然是独立的预测因子（表2）。
**四、讨论与结论**
本研究发现，在幕上脑肿瘤切除术后需延长监护（>48小时）的患者中，早期术后的SIRI、PLR和LMR是LTS的独立预测因子。经由五种机器学习分类器的比较分析，最终选择了在跨队列稳定性和避免过拟合方面表现最优的逻辑回归来整合模型。该整合模型在推导队列和时间验证队列中均取得了卓越的区分度并具有良好的校准度。这些炎症标志物提供的预后价值超出了单纯临床并发症所能解释的范围，提示其可能反映了手术创伤后外周-中枢“串扰”的病理生理过程：即外周血中由中性粒细胞和单核细胞驱动的促炎状态与淋巴细胞所代表的免疫调节功能之间的失衡，可通过损害血脑屏障和诱发血管源性水肿来延缓神经功能恢复，或通过诱导代偿性抗炎反应综合征（CARS）增加继发感染等二次损伤的易感性，从而导致更为漫长的神经重症监护需求。由此开发的列线图和网页计算器，能在术后24小时内为临床医师提供个体化的风险分层工具，从而推动神经重症医疗资源的优化配置。本研究的局限性主要在于其单中心回顾性设计，且LTS的7天阈值源自单中心数据，其普适性有待于在更大规模、前瞻性多中心队列中进一步验证。
研究结论：早期术后SIRI、PLR和LMR可独立预测幕上脑肿瘤择期切除术后需延长监护（>48小时）患者的长期神经重症监护病房住院时间（≥7天）。将这三项炎症指标与三个易于获取的临床变量相结合的整合早期预测模型，可在术后最初24小时内提供可靠的风险分层。该模型生成的列线图和网页计算器有助于早期识别高风险患者并优化资源配置，但仍需前瞻性多中心队列验证。该研究发表于《CNS Neuroscience》。
